比特币 vs 黄金 ？莱特币 vs 白银 ？

之前的几节做的全部是ump相关的回测与训练，本节将在第10节:比特币莱特币的回测,

第12节:机器学习与比特币示例, 第14节:量化相关性分析应用的基础上做一个完整的

比特币策略示例。

1. 比特币 vs 黄金 ？莱特币 vs 白银 ？

在第14节中使用abupy中的各个相似度接口示例 了如何度量相关性。

比特币与莱特币是现在交易量最大的币类，比特币的出现类似于真实市场中的黄金，

莱特币的设计标榜黄金与白银的关系，比特币10分钟一个块，莱特币参照1：4的关系

设计2.5分钟一个块，总数量比特币为2100万，莱特币8400万，那是不是比特币和黄金

的相关度高，莱特币和白银的相关度高呢？

下面首先从内置期货symbol数据中查到国内期货黄金，白银的code：

fcn = AbuFuturesCn()fcn.futures_cn_df[(fcn.futures_cn_df['product']

== '黄金') |                  (fcn.futures_cn_df['product'] == '白

银')]

接下来从内置期货symbol数据中查到国际期货黄金，白银的code：

fgb = AbuFuturesGB()fgb.futures_gb_df[(fgb.futures_gb_df['product']

== '伦敦金') | (fgb.futures_gb_df['product'] == '伦敦银') |                   

(fgb.futures_gb_df['product'] == '纽约黄金') |

(fgb.futures_gb_df['product'] == '纽约白银')]

将上述期货黄金，白银产品和比特币，莱特币一起做交易数据获取，如下：

choice_symbols = ['btc', 'ltc', 'AU0', 'AG0', 'XAU', 'XAG', 'SI',

'GC']panel = ABuSymbolPd.make_kl_df(choice_symbols, start='2014-03-

19', end='2017-07-25',                             

show_progress=True)# 转换panel轴方向，即可方便获取所有金融时间数据的某一个列

panel = panel.swapaxes('items', 'minor')# dropna：因为btc, ltc一周交易7

天，别的市场5天，dropna即把周六，周日的都drop了cg_df =

panel['p_change'].dropna()cg_df.tail()

只使用正负号相关度计算，如下所示：

备注：更多关于相关性的接口使用请阅读 第14节:量化相关性分析应用

corr_df = ABuCorrcoef.corr_matrix(cg_df,

similar_type=ECoreCorrType.E_CORE_TYPE_SIGN)corr_df.btc.sort_values()

[::-1]btc    1.0000ltc    0.5929AG0    0.0457AU0    0.0321GC   

0.0304SI    0.0130XAU    0.0099XAG    0.0026Name: btc, dtype:

float64

从结果可以看到，和比特币最相关的是国内白银，并不是黄金，而且国内期货相关性

要高于国际期货产品。

但从结果来看实际上并不知道黄金，白银在整体市场中与比特币的相关水平，下面以

整个A股市场和比特币做相关性计算，统计相关值。